第二个专利是基于第一项专利技术上，对移动网络市场上的进化｡  我们是使用了从第一个专利或类似的程序所收集到的数据库，创建一个专为个别用户而设计的移动广告模式。 这是一个全新的移动广告模式，完全有别于现今市场上的任何广告模式。 市场上或许有很多应用使用在产品推荐和配对上，但几乎没有应用是用于在人物的配对上的(如广告模特儿或手游对手)。 

        根据相关分析及统计，在宣传广告中，大部份观众的第一感观注意的是广告模特儿的脸， 据专家统计，移动广告中，能在3秒的时间来抓住人们对广告的注意，在选择能吸引人们并合适的模特儿是广告的成功要素之一，如果选择了错误或观众不喜爰的模特儿，这会很大程度上降低其广告的效果，所以除了在选用大明星以外，更不容易的是了解市场的审美偏好｡  名模特儿及大明星的费用昂贵，往往有很多条件上限制(如合约上或形象上等)，导致很多产品或企业都未能如意地找到合适的广告模特儿。移动网络广告版面小且有限，模特儿的作用更为显眼， 在广告上如有一张在潜意识中使能吸引观看者的面孔，相信对广告的宣传会有更好的效果和效益。 

使用面部识别创建个性化移动和视觉广告的系统和方法的评论

Waleem Alusa博士

Dr. Waleem Alusa Profile.pdf

        这项专利所体现的创新，包括了从审美的喜好模型中推断出消费者的偏爱和审美喜好，并利用这些推断来爲他们提供有针对性的广告，以满足他们的需求。  这个想法很新颖，对广告行业具有颠覆性的影响。 该专利免除了从收集或受空间条件限制的数据推断消费者品味和偏好的传统方法，并从消费者实际的潜意识决定中获得消费者偏好。

        该专利的作业流程是首先向消费者展示一组美观而吸引他们的图像，给他们选择他们认为最吸引的图像。 然后记录所选择的图像特征，然后再重新进入程序。  这个过程多次重复，数据不断地收集到连续的消费者选择。  然后，通过机械式学习算法对消费者选择而产生的数据进行建模，以预测消费者未来偏好。  预测的偏好会指出将来向消费者呈现的广告或模型产品的性质和类型。

        该专利的一个关键因素是用于预测未来消费者偏好的逻辑回归方法。 该方法已在许多应用中被证明对预测二进制结果非常有用。

        然而，它局限了提供替代选择的能力。 换句话说，该方法可以提供关于消费者所喜欢物品可能性的确定。 该模式仅限于能够就回答诸如“消费者喜欢模型的可能性是多少？”的问题。  也许，该专利可以从能够回答诸如“考虑到他从过去的选择推断的历史偏好，在有限数量的可用模型中，消费者可能更喜欢哪种模型？” 用于回答这类问题的统计模型非常普遍，并且可以很容易地采用和定制于此专利。

        该方法可基于机械式学习算法去学习推荐模型，这与消费者过去喜欢的模型相类。 亦可基于与比较模型连带的特征来导出相类的模型。

        尽管如此，该专利既创新又新颖，如果能得到适当的实施，它将具有积极的潜在优势。